基于隐马尔科夫模型的时空序列预测方法OA
A method of spatio-temporal sequence prediction based on hidden Markov model
提出了一种基于时空密度聚类的隐马尔科夫模型对时空序列进行预测的方法.时空序列与一般的时间序列相比,最主要的特征是其时空依赖性以及时空非平稳性.针对如何有效地预测不同尺度分布的时空序列的问题,本文采用基于时空密度聚类的隐马尔科夫模型,该模型不仅能分析时空序列在时间和空间上的相关性,而且可以通过时空序列的分段有效地去除噪声,提高模型预测的精度.本文采用该模型对药品冷藏库中的时空序列温度数据进行分析预测,并与其他预测模型比较,结果显示本文提出的方法更准确有效.
柳姣姣;禹素萍;吴波;姜华;何风行;李凤荣
东华大学信息科学与技术学院,上海201620中国科学院上海高等研究院公共安全中心,上海201210东华大学信息科学与技术学院,上海201620中国科学院上海高等研究院公共安全中心,上海201210中国科学院上海高等研究院公共安全中心,上海201210中国科学院上海高等研究院公共安全中心,上海201210
计算机与自动化
密度聚类隐马尔科夫模型时空序列预测
《微型机与应用》 2016 (1)
74-76,80,4
中国科学院无线传感网与通信重点实验室开放课题(2013001)广东省中国科学院全面战略合作项目(2012B090400031)
评论